主题：【分享】定性分析建模的主要步骤

浏览0 回复0 电梯直达

Insm_68f50e17

结帖率：

100%

关注：0 |粉丝：0

新手级：新兵

发表于：2024/06/18 20:10:51 楼主管理分享倒序浏览只看楼主回复私聊

近红外光谱与物质组成及含量相关，不同属性、特征的样品具有相应的特征近红外光谱，通过采用适宜的模式识别方法来提取样品近红外光谱特征信息，建立类模型，然后，应用验证通过的类模型和待测样品近红外光谱计算样品的归属类别或特征。与近红外光谱定量建模类似，定性建模也包括：数据采集、奇异样本剔除、数据分组、光谱预处理、波长选择和化学模式识别建模等步骤：

1. 数据采集

收集适量具有代表性的类别或特征已知的样本；采用近红外光谱仪测量样本

的光谱数据。

2. 数据分组

采用本章5.2的数据分组方法，将数据集划分为训练集和验证集。训练集用来建立类模型，验证集用来评价类模型的性能。

3. 奇异样本识别

采用本章5.3的奇异样本识别方法，识别数据集中的奇异样本，并分析处理。

4. 光谱预处理

采用本章5.4的预处理方法，先考察单一的预处理方法的预处理效果。如果单一预处理效果不好，再考察组合预处理和集成预处理方法的效果。选择适合于分析数据的预处理方法。

5. 波长选择

采用本章5.5的波长选择方法，考察波长点筛选（UVE、MC-UVE、RT、CARS等）或波段筛选（iPLS、MWPLS等）等波长选择方法，对近红外光谱进行特征提取。

6. 化学模式识别应用本章5.6的无监督的主成分分析（PCA）、系统聚类分析（HCA）、独立簇类软模式（SIMCA），有监督的偏最小二乘-判别分析（PLS-DA）、支持向量机（SVM）、人工神经网络（ANN）等化学模式识别方法建立定性类模型。建议读者先参考GB/T 37969-2019推荐的SIMCA、PLS-DA方法进行实践。